《HR如何应用数据思维》

 HR的数据思维

（序）

前言：

财务人员要会算账，因为这本帐算的好不好，将直接体现在财报上；HR人员更要会算账，因为如果这本帐算的不好，将会让公司面临人才断顿、阻碍未来的可持续发展。但是，在算账之前，HR人员需要先做好数据挖掘、数据整理、数据分类的工作，这部分工作将会直接影响到HR管理水平的高低。不过，在谈到数据挖掘之前，需要先谈谈知识管理的金字塔模型。

IBM公司曾提出过一个关于知识管理的模型，即知识可以根据其层次划分为四个层级DIKW模型，见图一。

图一：DIKW金字塔模型

从图一中可见，位于金字塔底层的就是DATA数据，数据进行分类及文本化之后，会升华为Information信息；而信息再进一步的延展并编码之后，会成为Knowledge知识；最后，将知识经过组合，进一步挖掘其规律（包括相关性与因果性规律，通常经由算法来实现）之后进行验证，通过验证的就是Wise智慧。例如，最近两年大热门的AI，其实就是基于大数据（Big Data）和云计算（Cloud Computing），再凭借有效的算法（Algorithm）所形成的人工智能（Artificial Intelligence）这个学科/专业领域。

当然，本文不是讨论AI也不是讨论大数据或云计算，而是从DIKW金字塔模型出发，聊聊数据尤其是跟HR有关的数据，以及HR如何建立数据思维并应用数据思维做好HR的各项工作——HR管理是一门跨界学科，既有人文和策略的属性也有数据和理性的属性，这不属于任何一个模块，而是一种思维模式和工作方式。Data之上的Information、Knowledge和Wise，属于更高阶的应用且会超出HR的边界，故不在本文讨论的范围。杨老师以后会择机开辟新篇章专门谈谈DIKW的Information、Knowledge和Wise；当然，有兴趣的读者可以购买我的《HR的数据思维》这门课程，里边谈到了IKW、建模与基本的应用。

正文：

一、什么是数据思维？

简单的解释，数据思维就是用数据来描述问题、理解问题和解决问题的一种思维方式。如同企业的经营状况、市场份额、管理水平，都可以用数据尤其财务数据来表达一样，但是数据思维不同于量化思维，数据思维是一种心智模式、认知方式和工作方式，而量化思维更侧重于一种测量方式和表达方式，并且，数据思维的内涵宽度与深度要远高于量化思维。所以，读者朋友们不要混淆了两者的区别。

二、数据思维能给HR工作带来什么价值？

数据思维能够让HR工作（也包括其他类型的工作）更加客观、更加结构化和更具延展性（数据挖掘与比对分析），概括起来，应用数据思维能够给HR工作带来三点作用：

1、帮助HR用数据作为分析素材，提高制订决策的科学性；

以定编为例，科学严谨的定编需要以人均劳动生产率为基准，立足人岗匹配度和工作分析，进而在符合编制标准的同时，兼顾人力成本、工作饱和度与人员胜任度。因此，人均劳动生产率就是一个开展定编工作与人力成本管理的重要的数据，但是，人均劳动生产率绝不是唯一的参照系，人员胜任度才是影响劳动生产率的关键。但是，影响定编的数据（指标）有很多，在开展定编工作时，需要充分考虑每个因子的重要性与相关性，并尽可能的用建模的方式来完善定编模型。

类似的例子还有很多，篇幅所限，在此不展开举例说明。但是，与HR有关的数据，将在下文中做简要介绍。总而言之，HR相关数据不仅可以作为制订决策时的重要素材，还可以将这些数据进行外部对标与纵向对标——前者是对标领先同业，找出短板并着手解决；后者是围绕时间轴，对公司在不同时期的某个数据进行比对，以此评估各项举措是否取得了预期成效，从而了解公司的经营管理水平和人员质量是否有了提升。

2、帮助HR从纷繁复杂的现象中找到问题与短板，有助于找到解决方案；

无论是外部对标还是纵向对标，其实都是为了找到规律、找出短板与不足。要知道，找对问题通常意味着良好的开始。当然，更重要的是，某些数据其实还能折射出公司甚至行业的趋势以及潜藏的问题，而对趋势的预测越准确往往意味着越能领先对手抢占先机，这在VUCA时代很可能是最重要的竞争优势之一。

例如离职率，众所周知餐饮服务业的离职率一直位于各行业之首，而导致餐饮服务业的离职率居高不下的原因其实不外乎薪酬福利、工作强度、工作内容这三大因素，要降低离职率必然要解决这三个关键问题。那么，对餐饮服务业的HR而言，是否意味着需要调高薪酬福利、降低工作强度、丰富工作内容（如轮岗）呢？答案当然没那么简单！

首先由于人口老龄化与少子化，导致全行业都存在不同程度的招聘难，此题要破解不能从招聘着手；其次，90后和95后的就业观与80后70后存在较大差异，并且这种差异很难改变；第三，无论从哪个角度看，谁都无法改变餐饮行业的支付能力低、抗风险能力低、人员离职率高的现状，包括许多网红餐厅。因此，只是简单机械的提高薪酬福利并不必然保证能解决问题。那么，此题怎么解？一是提高标准化程度，降低对熟练人员的依赖，比如建立中央厨房或优化业务流程；二是统计不同年龄段员工的离职率（60后与70后的离职率必然低于90后和95后，原因不解释），根据统计出的数据，在招聘时有所调整和侧重，如只招聘60后和70后；三是提高自动化/自助化程度，通过减少人员编制来控制成本并提高人员薪酬福利水平、从而降低人员的离职意愿，如对接某些平台实现自助点餐，或通过设置动线/转盘的方式上菜来减少服务员人数，如某些日料和火锅业态（如元禄回转寿司和呷哺呷哺）；四是提供职业发展通道，让员工有奔头从而消除离职动机。

综上所述，一个问题现象的背后通常潜藏着若干个驱动因素，而这些驱动因素也会有相应的数据作为呈现方式，作为HR的你我，应该并且也能够做到通过现象看本质，从纷繁复杂的现象中挖掘数据、找到问题与短板，用数据表达的方式来探寻出背后的规律，从而找到最终的解决方案。

考一考小伙伴们——以上述文字为例，你能发现其中隐藏着多少数据吗？自己找找，欢迎跟杨老师互动：）

3、让HR快速准确的调整工作方向，提高与公司战略及发展阶段的匹配性。

企业在不同的发展阶段所面临的重点任务与目标并非一成不变，以管理学家爱迪斯的企业生命周期理论为例（见图二），企业从初创到最后的消亡（或被收购），在不同的发展阶段所实现的目标各不相同，而处于不同阶段的HR，其工作目标和工作方向也会出现周期性变化，见图三。

图二：爱迪斯的企业生命周期模型图

伊查克·爱迪斯的企业生命周期理论非常详细，把企业从孕育初创到死亡的整个过程划分为十个阶段，极具现实意义，不仅适用于HRM和HRD，也适用于所有的管理者，有兴趣的读者可以购买此书去精读。

图三：企业发展阶段与任务图

图三为简化版的企业发展阶段与任务图，相信读者朋友们能从中发现规律，找到企业和自己当前面临的首要任务。

通常，初创期的企业首先需要解决生存问题，具体对应为销售及回款，要确保企业有足够的业务和现金流储备，此时的管理不规范问题必然很常见，但此问题不是当前需要解决的重点。对应到HR的工作重点和工作方向，自然是以招聘为主，但是，招聘什么类型的人才，很多HR却跑偏了！比如拿到了PreA或A轮的互联网公司，明确说了要BATJ背景的人，呵呵….这个话题此前发文提过，在此就不重复了。

在不同阶段的企业，应该招聘什么类型、什么风格的人才，也涉及到几组数据的统计，所以，图四是一个经过上百家企业统计后得出的并不十分严谨的经验建议，仅供参考。

图四：企业发展阶段与特殊人才匹配图

以上所有的文字与图表，所涉及的观点或主张，大部分都是源自统计数据以及数据背后隐藏着的规律。有些数据源自经典教科书，有些数据源自我多年从事HR咨询的经验与实践，但更多是从工作中和生活中所获得的发现。

总而言之，要做好HR，要成为一个年薪50万乃至100万的HR，绝对不能只盯着六模块或者蹭热点学习什么三支柱——教科书要读，经典要温习，野狐禅也得去修。许多问题的答案，其实都源于生活；许多问题现象的规律，都隐藏在被忽略的数据里。

借用世界著名雕塑家罗丹的那句话来做个概括：世界上并不缺少数据，而是缺少发现数据的眼睛。

三、为什么说HR应该向财务学习数据思维？

财务是一个专业序列，更是企业内部控制的最后一道防线。尽管财务数据有滞后性，但财务数据已经是公认的、有国际标准的（会计准则），衡量企业经营水平与管理水平的最根本的标尺。其中，财务管理领域中的三张表或四张表（资产负债表、现金流量表、损益表，以及所有者权益调整表），是最常用的数据报表；不过如果需要做财务的前端分析（如存销比、应收账款周转率、杠杆率等），还需要自行采集数据并构建起其他的报表。

相比起财务的“硬数据”，HR里的数据相对就显得更“软”和更多样，既有人均劳动生产率/利润率和平均招聘成本这样的硬数据，也有年度离职率和平均司龄这样的软数据，当然，还有许多能够体现招聘面试、业绩管理、人才管理、薪酬福利管理等模块水平的数据，关键是HR们是否懂得如何将这些数据进行挖掘、整理和归类，并将这些数据加工成为信息（Information），再升级成为知识（Knowledge），最后再经由一系列算法，将其变成智慧（Wise）；而这些不同阶段的工作重点和目标，以及不同维度不同层级的数据，也是当前企业界和学术界一直在研究和实践的重要课题，当前最热门、也是未来的研究趋势即智慧企业（Smart Business）。

相比之下，财务部门的数据思维与数据应用就走的比HR部门的要早的多，也成熟的多。究其原因，一方面是财务早有成熟的行业标准，另一方面是财务工作与HR工作相比，在工作内容、工作界面、工作对象上存在较大的差异，前者侧重数据、报表与实物，后者侧重人员、策略并且具备可变性（人才价值并非固定不变，存在极大的变数，如普通员工和CEO的价值就存在天壤之别）；尽管财务与HR存在较大的差异，但这并不成为理由，尤其是在人力资源会计这一概念和理论已经存在了超过四十年时间、HR相关信息技术与硬件软件已经非常健全和成熟的今天。

所以，HR应该向财务学习，尽管无法照搬，但在人力资源管理的多个细分领域和具体工作中，依然有许多可供借鉴和参考之处。例如，财务人员在汇报工作、制订决策时，都会引用许多数据，用数据作为依据再表达自己的观点与建议。对于听众而言，数据+语言文字/观点建议，比单纯的口头及书面表达更有信度，同时也因为数据可以做内外部对标，而语言文字往往很难，再有，谁也无法保障汇报人不会夹带私货。

“以事实为根据，以数据为准绳”，HR们应当向财务学习数据思维，从数据中挖掘信息，从数据中找出规律，用数据思维来开展工作，而不是只聚焦六模块更不是只重视HR策略和人情世故，却忽视了理性客观的数据分析。

四、HR的相关数据有哪些？

作为管理学的一个分支，HR管理近年来开始呈现出跨领域的发展趋势，如心理学（如测评）、财务学（如人力资源会计或人力资本）、法律（如劳动合同法及其他各类实体法）、社会学（用人策略），因此在HR相关的数据类型上也开始呈现出多元化的趋势；其中，从最佳实践看，HR相关的数据主要有人才效能、运营、人才管理这三大类。

1、人才效能类数据：

虽然HR并不直接从事业务，但HR各项工作的成效好坏最终都会体现在业务结果和财务 上，而财务数据一旦与人才管理结合，就会形成人才效能类数据，但人才效能类数据的意义不仅是折射HR工作的成效，还能够扩展为一个框架结构及标准，用于引导和标定HR相关的工作范围与工作标准。因此，HR相关的人才效能类数据，主要有如下几种。

图五：人才效能类数据

2、运营类数据：

相较于人才效能类数据，运营类数据具有前置性，即人才在运营领域的好坏将直接决定人才效能，因此，HR们在关注人才效能类数据之前，还可以将工作重心稍微前置一下，聚焦于运营。尤其是进入后互联网时代，全行业都在转型升级、都在进行互联网化，因此，在结合了三支柱理论，人力资源部门从传统的职能部门转型为业务支持部门的背景与趋势，同时再借鉴互联网公司的套路，所有的HR都需要转型为HRBP与COE的角色。鉴于此，HR的运营类数据可以划分为如下几种：

图六：运营类数据

尽管运营类数据已经超出了传统HR的范围，有许多HR会认为这些运营数据以及运营工作跨度太大，不是自己的专业范围，但是别忘了，在这个跨界无所不在的时代，在这个知识与技能的更迭速度越来越快的当下，传统的HR已经难以胜任未来企业竞争的要求。所以，无论是否愿意，深度介入运营成为真正意义上的HRBP（或COE的专家），都必须掌握运营管理的相关知识和技能，都不得不去挖掘和分析运营有关的数据，否则必定会被这个时代所淘汰。

3、人才管理类数据：

由于人口红利消失，人口老龄化与少子化、就业方式多元化，以及人力成本不断攀升的冲击，全国范围内和全行业都面临着不同程度的人才有效供应不足的矛盾。但需要澄清的是，企业需要的人才而非人员，因此，HR们可以在运营类数据之前，先行将注意力转移到人才获取、人才开发、人才激励和人才保留这四个方面；而这四个方面的工作又会延伸出若干项指标和数据，详见下图。

图七：人才管理类数据

需要特别注意的是，图七所示的指标与数据对许多企业而言并不能够直接获取，还需要完成许多基础性工作，并且统一数据采集口径，并设定相关数据标准与管理标准，否则图七所述的这些指标和数据将无法生成，当然也谈不上如何去分析和应用。

我的建议是：有条件的就选择性的采集，不具备条件的企业，还是先把基础工作做扎实、建立健全基本的规范和标准，再考虑如何将HR工作做细。

结束语：

今天这篇文章只是开了个头，谈到了数据思维和基本的应用范围。而如何将数据思维和数据挖掘、数据分析应用于更具体的HR六模块工作中，杨老师将会专门撰文来进行展开描述。

今天先做个剧透，后续的撰文将会谈到如下几个方面的内容：

HR如何应用数据思维开展工作？

1、应用于HR管理的主要范围一览：

2、应用于招聘管理的最佳实践；

3、应用于人力资源规划的最佳实践；

4、应用于业绩管理的最佳实践；

5、应用于薪酬福利管理的最佳实践；

6、应用于员工培训开发的最佳实践；

7、应用于人力成本管理的最佳实践。